Web Mining应该是Data Mining在适配Web环境衍生出的一个领域,主要关心三个方面的问题:
- Web content mining:文本内容的分析。与典型的Data Mining相比,Web上的内容是非结构化的,而且噪音很严重,比如各类广告,大量重复的内容等等;
- Web structure mining:这是Web的特点,页面和页面之间有大量的关联。这里的关联,最明显的就是相互之间的 link了。PageRank应该是一个典型代表;
- Web usage mining:这是层次最高的一个了,也是最为复杂的一块了。当然分析质量也取决于前面两块,因为毕竟实用的人和被实用的对象放在一起才有意义。